系统保留网速设置，运行的对话框，在输入文字的位置，输入命令gpeditmsc，调出组策略进行设置，选择管理模板-网络-Qos数据包计划程序，选择后在右侧的窗口选择限制可保留带宽选项，将未配置的选择更改成已启用，并将带宽限制将默认设置的20更改为0。
方法2：打开搜索运行(WIN键+R)输入servicesmsc
找到WINDOWS FIREWALL，双击。
启动类型设置成手动，然后下面的服务状态停止掉点确认就OK了。针对问题：CPU利用率可以建模平均能耗，但是对于预测峰值粒度过粗。
提出模型：表征服务器利用率和电源行为之间的关系，对实际峰值功耗建模。引入新的 *** 作系统指标，捕获所需信息，以较低的开销设计峰值功率。
如今，数据中心运营商普遍以几十分钟到几小时的采样间隔收集实用跟踪信息。 由于存储和处理的开销，对成千上万的服务器禁止更细粒度的采样。 例如，对于1000个节点的群集，以OS调度程序的粒度（100Hz）采样将每周产生225 GB数据。
要确定服务器的峰值功率，就要了解服务器 开关模式电源单元（SMPSU插座式电源） 的行为。这些设备效率很高，但是依赖于开关和电荷存储机制，从而将 RC（电阻-电容）行为 引入了功耗。我们的贡献是将服务器的 *** 作系统视图与电源能耗峰值相连接。
介绍一个易于采集的 *** 作系统级别的度量（30ms），该度量可确定一段时间内的峰值功耗。通过模型合并SMPSU的RC行为，并以较低的开销跟踪峰值功率。这种机制可以记录随时间变化的峰值功率，并有助于大规模数据中心能耗供应研究。
贡献：
说明了以细粒度采集利用率所面临的挑战，以及峰值和平均度量之间的重要差异。
服务器开关电源单元的特性及其能耗与服务器利用率之间关系的解析信号处理模型。
一种新的 *** 作系统级度量标准，可捕获峰值功率信息以用于服务器检测。
通常PDU会被过度配置，预配置容量远高于平均负载。
功率上限power capping是一种数据中心级别的技术，可以对服务器的峰值功耗（例如，使用控制回路）进行硬限制。节流服务器电源DVFS（通过频率/电压缩放）用作安全机制，以确保不超过最大功率水平并且断路器不跳闸。使得PDU和其他电源供应基础架构就可以得到超额订购，从而降低了有效的资本成本。由于负载/功率峰值很少，因此节流性能几乎没有损失。通过使用电源路由可以进一步降低资本成本，这可以在负载不平衡时在PDU之间转移负载。
所有这些技术都需要软件机制来跟踪和预测峰值功率，以管理每个服务器，电路和PDU的功率预算，同时最大程度地降低性能节流。尽管可以通过显式计量和记录来跟踪峰值功率，但是直接从 *** 作系统级别的指标评估峰值功率可以大大降低成本。要从 *** 作系统级别的指标推断和记录峰值功率，我们必须了解服务器电源的 *** 作及其与利用率的关系。
服务器中SMPSU设备的行为以及其与OS观察到的利用率的关系。
研究对象： 两种不同的系统：具有便宜商品PSU（“商品”）的小型系统和具有企业级PSU（“服务器”）的大型系统。 由于SMPSU的设计不同，这些系统在行为上存在一些差异。 但是，与预测峰值能耗方面相似。
商品PSU的峰值传输电流比服务器更明显。 这种差异是由于在高端设备中常见的第一级额外开关调节，用于产生更连续的电流。
使用工作负载SQUARE观察 利用率 变化 频率 的影响。使内核在 矩阵乘法 与处理器 空闲模式 之间切换，使系统利用率产生方波。工作负载的 占空比（占空比是指在一个脉冲循环内，通电时间相对于总时间所占的比例） 固定为50％，平均利用率为50％。改变方波的频率，并观察PSU的响应。
使用工作负载STEP表征 利用率变化和PSU响应之间的延迟 。使系统处于空闲状态，等待直到PSU行为达到稳定状态。然后在所有内核上进行矩阵乘法。由于无法直接从外部观察CPU利用率，因此在过渡到在示波器上开始计时之前立即发送了一个信号（使用比预期的SMPSU响应快得多的通用I / O）。
图5表明：调制频率对观察到的功率波形有很大影响。 只要对CPU的利用率进行缓慢调制，功耗的包络就大致类似于方波，与CPU的行为相匹配。 然而，随着频率增加，功率消耗变得更加均匀。
对SMPSU峰值进行建模，以细粒度（在许多系统的内核调度间隔附近）监控利用率。
使用STEP工作负载研究SMPSU电源负载的相位延迟。 瞬时功率响应存在一个延迟，该延迟随着RC滤波的阶跃函数的期望而增加。 图示利用率转换的I / O信号（“trigger”）以及隐含的利用率波形（“ Utilization”）。 最后，我们显示了一个已过滤（“filter”）的阶跃函数，该函数适合观察到的上升波形。 该信号由具有界限频率30 Hz的一阶RC滤波器产生。
低于20HZ的更细微的变化会被电源的RC行为过滤掉，因此不考虑。 通过对SMPSU的运行及其与服务器利用率的关系的新了解，我们构建了一种开销低的方法，可以从 *** 作系统内核的利用率中推断出峰值功率。 然后，我们使用真实的机器验证我们的模型，并表明我们可以预测峰值功率曲线，且误差低于20％。
实验设置：两种服务器配置验证能耗模型。
在系统执行Linux内核的并行编译时收集能耗，该工作负载产生了混乱的突发使用模式。
瞬时能耗（“实测”）。预测能耗（“ Predicted”）很好地跟踪能耗峰值，但有时能耗仍然超出预测值。 幸运的是，该模型趋于保守，并且高估的能耗多于低估的能耗。 因此，它将在例如功率预算/封顶研究中提供保守估计。 商品计算机和服务器计算机的标准化均方根偏差（NRMSD）分别为14％和19％。
总结
1使用CPU利用率对服务器的峰值功耗建模。
2描述了OS级利用率与现代服务器中SMPSU行为之间以前被忽略的关系。
3通过测量真实的服务器PSU，证明必须以 33 ms或更低的粒度监视利用率以预测峰值功率 。 我们基于轻量级PSU的RC行为的信号处理启发模型，介绍了OS级解决方案，并演示了峰值功率可以近似在20％的NRMSD之内。，仅完成安装系统、应用程序并上架后便拍拍屁股离开，远不能发挥服务器性能。服务器需要通过周期性的监控来确保硬件投资得到了预期回报--并对潜在问题提出告警，比如资源不足或硬件故障。性能监控工具可以提供大量的可用信息，但需要确保工具被正确安装与运行。本文将介绍可以帮助管理员们从系统性能监控中获得最大利益的技巧。
实现精确的性能监控
如果采集的信息存在错误，监控便毫无用处，所以确保数据的准确性是你得采取的第一步。准确性包括许多方面，如互通性、采样窗口、工具架构、虚拟化感知与校准。
互通性。在此讨论中，互通性是性能监控工具的基本功能，能够从数据中心内各种硬件与部件中访问与读取数据源。在部署了同一厂商产品线设备的同质环境内，利用集成在硬件中的内置挂钩，监控工具可以发挥极大优势。通过这些挂钩，工具可以抓取设备的详细运行信息。
在异质环境下，监控则成为了另外一种挑战，因为工具与硬件可能无法很好匹配。产商提供的工具可能可以提供一些硬件部件的特殊信息，而其他工具可能无法保障一致性。第三方性能监控工具可能无法检测每个监控器或硬件的细微差别，它们更依赖于 *** 作系统级的数据，而这些数据通常缺乏足够的颗粒度。在某些情况下，监控数据可能丢失或失真，从而降低系统性能监控的可用性。
工具与硬件之前的数据差异需要全面测试。例如，在购买工具之前，先测试并验证兼容性，在经过较长时间的可用性验证项目后，再开始将工具由测试环境部署至生产环境中。但问题同样从开始购买延伸至未来产品升级或技术刷新周期。当你更换硬件或升级工具，你需要测试监控工具的互通性来确保性能监控工具依旧可以正常工作并提供准确数据。
采样。准确性同样依赖于收集数据用的采样窗口。当负载与运行参数可能一直处于波动状态时，数据准确性将十分重要。理想情况下，性能监控工具可以捕捉整台服务器的运行周期。技巧在于决定运行周期是怎样的。这依赖于每个负载与宿主主机是如何被使用的。例如，每台服务器的内存性能可能需要极快的采样率，而采样窗口需要跨越好几分钟。与此相反，观察某个合作HR系统的CPU使用情况可能需要已较低的频率捕捉数值，但采样窗口周期需要长达30天甚至更长。如何正确采样并没有标准答案，不同属性的 *** 作系统同样需要通过不同的比率与窗口灵活定义。
工具架构。性能监控工具通常需要在受监控系统上安装代理或额外驱动(即使是虚拟机)。代理具有优势也有不足。首先，它们十分有用，因为代理可以收集并传输许多重要信息，比无代理的监控工具提供更多监控参数。尽管如此，代理通常被作为软件客户端，将所有数据报告给中央服务器，中央服务器将收集与处理这些数据。所以每个代理都需要占用一定的计算资源，这可能在一定程度上影响整台服务器的负载性能。
我所在环境下所有计算机拥有两个代理， Chris Steffen，Kroll Factual Data的首席技术架构师说。一个应用程序代理监控我们所有应用程序的健康状况，而且我们还有System Center [Virtual Machine Manager]代理安装在所有虚拟机宿主上。
这些年来，关于代理的负面影响一直在降低，但它们所产生的影响一直在被评估，尤其在执行关键任务或对性能要求十分苛刻的负载上。不仅如此，Steffen同样表示，新兴的监控工具可以提供更多功能，包括自动化安装，重装或维护运行环境中的代理。
虚拟化感知。
虚拟化软件把应用负载从硬件中抽象化。当传统性能监控工具试图在虚拟化环境中报告，抽象层常常发生错误结果，因为老工具是同直接监控硬件，而不是通过控制计算资源的hypervisor。考虑到虚拟化技术的人气和重要性，管理员应该选择能监控虚拟化的监控工具。这样能让性能监控同时管到物理目标和虚拟目标，管理员可以才可以收集到精确的数据。
管理员们有时候还需要采集虚拟机与承载虚拟机的宿主服务器指标，Kleyman说。这种情况下，需要在虚拟化与物理层级别进行性能监控以确保最佳负载性能并保障用户体验。
传感器校准。需要忽视传感器本身的重要性。来自网络交换机或服务器的数字信信号常都是十分准确的。但是某些传感器，例如温度，湿度，空气流或其他环境类型的传感器通常是通过模拟信号传输，可能需要经常校对并定期更换电池来保证其长期稳定的工作。
最大化性能监控工具价值
如果没有正确使用，工具是无法产生价值的。在许许多多的案例中，性能监控工具已经被部署，但是没有清晰的规划来使用与分析所收集到的海量数据。工具则变成了管理员们用来抽查或不定期故障处理的简单工具;这是一种投资浪费。
性能监控工具报告同样可以作为能力规划的基础参考，或协助完成技术刷新项目。性能指标可以帮助展示RIO[投资回报率],Kleyman说。通过了解旧系统性能，并比对新款服务器性能，我们可以决定是否将钱投资在新设备上已提升计算性能并获得更长远的利益。
但Steffen同样建议用户多留个心眼，秉着信任，但要核查的态度来对待性能监控工具，有可能某些服务器监控工具已经被验证，与其他工具相比可以获得十分准确的数值，但如果用来监控网络设备则可能出现一些异常。好的业务决策需要有优质的数据进行支撑，而且若工具无法提供准确、可验证的结果，那样将很难给业务决策提供有力支持。
lg=t使用shadowsock玩游戏而掉线是一个让人非常烦恼的事情，但是这种现象并不是没有解决方案的。造成游戏掉线的原因有多种，其中最常见的是网络延迟问题。由于shadowsock把网络流量统一转发到特定的服务器，所以如果服务器比较远的话，可能会造成网络延迟的问题。解决这个问题的办法就是尽量选择一个服务器距离自己比较近的，这样可以减少网络延迟，提高网络流畅度。
另外，还有一些其他原因可能会造成游戏掉线，如网络连接故障，卡顿等。解决这类问题的办法有两种，一是检查网络是否有故障，如果有的话就要尽快修复；二是重新连接shadowsock，将其重新设置为游戏所需的参数。
总之，如果想要使用shadowsock玩游戏而不掉线，需要做的是尽量选择一个服务器距离自己比较近的，同时要定期检查网络是否有故障，如果有的话就要及时修复。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）